"
ABSTRAKPerusahaan asuransi adalah perusahaan yang menerima pelimpahan risiko atas diri tertanggung, sehingga perusahaan asuransi perlu memperhatikan kerugian yang ditimbulkan sebagai akibat terjadinya klaim. Mengestimasi kerugian klaim
merupakan tugas penting bagi perusahaan asuransi untuk memprediksi kewajiban
mereka. Total kerugian dalam portofolio perusahaan didefinisikan sebagai
sejumlah kerugian polis. Kerugian polis pada asuransi kesehatan dapat dihitung
berdasarkan dua variabel, yaitu frekuensi dan severity klaim. Dalam literatur
Statistika, joint distribution adalah metode analisis statistika yang dapat
menggabungkan dua distribusi data yang berbeda, salah satunya adalah Copula.
Tesis ini memberikan penjelasan tentang Copula dalam mengestimasi kerugian
polis pada asuransi kesehatan dimana studi kasus yang diambil adalah perusahaan
asuransi XYZ. Selanjutnya, penulis melakukan regresi antara kedua Generalized
Linear Model (GLM) dari frekuensi klaim dan severity klaim dengan menggunakan
model regresi berbasis copula yang diestimasi dengan Maximum Likelihood
Estimation (MLE). Model terbaik dan keakuratan model ditentukan berdasarkan
nilai Akaike Information Criterion (AIC) dan Root Mean Square Error (RMSE)
terkecil. Pada akhirnya, model regresi berbasis copula Frank lebih baik
dibandingkan model regresi berbasis copula lainnya yang dapat digunakan untuk
memprediksi kerugian polis asuransi kesehatan pada periode berikutnya
ABSTRACTThe insurance company is a company that received delegation of the risks it has
insured, so that this company needs to pay attention to losses incurred as a result of
a claim. Estimating losses of claim is an important task for insurance companies to
predict their obligations. Total losses in the company's portfolio is defined as the
amount of loss policy. Losses in the health insurance policy can be calculated based
on two variables: the frequency and severity of claims. In the literature of Statistics,
joint distribution is a method of statistical analysis that can combine two different
data distribution, it is Copula. This thesis aims to provide a study of Copula for the
estimation of loss claims in health insurance, case study is taken from an insurance
company XYZ. Further, the authors conducted a regression between the
Generalized Linear Model (GLM) of claim frequency and claim severity using
Copula-based Regression Model is estimated by Maximum Likelihood Estimation
(MLE). The best model and model accuracy is determined based on the smallest of
Akaike Information Criterion (AIC) and Root Mean Square Error (RMSE). In the
end of analysis, Frank Copula-based Regression Model is better than other Copulabased
Regression Model that can be used to predict the loss of health insurance
policy in the next period."
